基于神经网络时间序列预测模型的电价预测方法及系统

本发明公开了一种基于神经网络时间序列预测模型的电价预测方法及系统，构建物理机制与数据驱动融合模型，通过5维特征输入表征市场多要素耦合关系，利用深度时序架构捕捉复杂演化规律；采用LSTM编码器+Attention‑GRU解码器混合架构过滤噪声并保留结构性趋势，注意力机制动态聚焦关键特征，解决固定上下文向量的信息瓶颈问题；通过多要素耦合输入‑深度时序建模‑鲁棒训练三位一体架构，实现精度、效率、泛化性的全面跃升；通过双循环神经网络协同架构与动态训练优化技术，显著提升电价预测精度与稳定性，为抽蓄电站参与电力市场交易提供高可靠性决策支持，尤其适应新能源波动下的复杂电价序列预测需求。